tf.get_variable返回一个与给定形状不匹配的变量
tf.get_variable是TensorFlow中的一个函数，用于创建或获取一个共享变量。
共享变量是在多次调用时共享存储的变量，可以在不同的图和会话之间共享使用。tf.get_variable创建或获取的变量可以在同一个会话中多次运行，而不会因为重复创建变量而报错。
当tf.get_variable用于创建变量时，可以指定变量的名称、形状、数据类型等。如果指定的变量名称已存在，则会获取该变量而不会重新创建。如果指定的变量名称不存在，则会创建一个新的变量。
在给定形状不匹配的情况下，tf.get_variable会抛出一个ValueError异常。这是因为在创建变量时，需要明确指定变量的形状。形状不匹配可能导致维度错误或不一致的计算结果。
举例来说，如果调用tf.get_variable("weights", shape=[10, 20])创建一个形状为[10, 20]的权重变量，再次调用tf.get_variable("weights", shape=[5, 5])尝试创建形状为[5, 5]的权重变量时，会抛出形状不匹配的异常。
因此，正确使用tf.get_variable时，需要确保给定形状与之前创建的变量形状一致。如果需要更改变量的形状，可以通过其他方式来实现，如使用tf.reshape函数重新调整变量的形状。
在TensorFlow中，tf.get_variable是灵活和强大的变量创建与获取工具，可用于构建各种深度学习模型和算法。
腾讯云提供了一系列与TensorFlow相兼容的云计算产品，包括弹性GPU服务器、云服务器CVM、容器服务TKE等。您可以访问腾讯云官网了解更多相关产品信息：
- 腾讯云官网：https://cloud.tencent.com/
- 弹性GPU服务器：https://cloud.tencent.com/product/ecg
- 云服务器CVM：https://cloud.tencent.com/product/cvm
- 容器服务TKE：https://cloud.tencent.com/product/tke
相关·内容
给定一些占位符张量x，这样：
x = tf.placeholder(None, 100)
我想知道为什么：
h = tf.zeros(shape = (tf.shape(x)[0], 50))
起作用，但类似于：
h = tf.get_variable("h", shape = (tf.shape(x)[0], 50), initializer = tf.constant_initializer(0.0))
给出一个值错误：
ValueError:必须完全定义新变量(pred/h)的形状，而不是(?，50)
它们不是都初始化了一些变量吗，为什么要使tf.zeros(..
浏览 1提问于2017-05-19得票数 2
看起来tf.get_variable不接受shape的Tensor，只接受int。这与可以接受Tensors的tf.Variable不同。这是正确的吗?如果是这样的话，当形状是Tensor时，有没有办法让tf.get_variable工作？我不想在图构建的这个阶段运行session，因为它会使下游的许多事情变得复杂。
我正在尝试对RNN使用cuDNN绑定，这涉及到在使用CudnnLSTM创建的模型上调用params_size()。它以Tensor的形式返回要保存在参数缓冲区中的参数数量，然后使用它来创建保存参数的变量。我不使用tf.Variable，而是使用tf.get_variable来保存
浏览 1提问于2017-04-19得票数 5
在这两种场景中，变量Test是共享的吗？
with tf.name_scope("ns1"):
with tf.variable_scope("vs1"):
var = tf.get_variable("Test", [1,2,3])
with tf.name_scope("ns2"):
with tf.variable_scope("vs1", reuse=True):
var = tf.get_variable("Test", [1,2,3])
和
with tf.na
浏览 2提问于2016-09-19得票数 0
回答已采纳
我只是想了解一下TensorFlow的命名行为，我仍然需要一些澄清。我在一个项目中遇到了张量命名的麻烦，因为它们是在一个函数中预定义的，这个函数后来被调用。
因此，我这里有以下示例：
import tensorflow as tf
def foo():
with tf.variable_scope("foo", reuse=True):
a = tf.placeholder(tf.float32,name="a")
b = tf.placeholder(tf.float32,name
浏览 109提问于2018-06-22得票数 2
回答已采纳
我可以使用tf.Variable来运行我的tensorflow代码，但是tf.get_variable要高效得多。上面的错误是由以下代码产生的：
w = tf.get_variable(name='weights',
shape=filter_shape,
initializer=tf.random_normal_initializer(0., 0.01))
b = tf.get_variable(name='biases',
shap
浏览 3提问于2016-11-30得票数 1
假设形状= (2，3)，epsilon是一个小常数。我运行了两条语句，但第二条出现了错误：
out = tf.Variable(tf.random_uniform(shape, -epsilon, epsilon))
这次没有错。
out = tf.get_variable(shape=shape, dtype=tf.float32, initializer=tf.random_uniform(shape, -epsilon, epsilon))
错误: out = tf.get_variable(shape=shape，dtype=tf.float32，initializer=tf.rand
浏览 0提问于2018-02-07得票数 0
回答已采纳
我定义了这样一个张量：
x = tf.get_variable("x", [100])
但当我试图打印张量的形状时：
print( tf.shape(x) )
我得到了张量(形状:0，shape=(1，)，dtype=int32)，为什么输出结果不应该是shape=(100)
浏览 1提问于2016-05-07得票数 65
回答已采纳
我正在运行下面的代码。我得到了XLA编译器错误，如下所述。我有Tensorflow GPU 1.8版本，但我尝试了CPU版本，并得到了错误。但是当我将Tensorflow (CPU)降级到1.3时，我没有收到任何错误。Tensorflow是使用Pip的虚拟环境安装的。
有人能帮我一下吗。
代码：
import tensorflow as tf
input_tensor = tf.placeholder(dtype=tf.float32, shape=[None, 16, 16, 3])
print(input_tensor.shape)
conv_filter = tf.get_variab
浏览 1提问于2018-06-08得票数 2
回答已采纳
我试图建立一个变批量大小，可变形状，可变重量形状的图形。我用的是tensorflow 1.3.0。
使用下面的代码，tf.get_variable抛出一个TypeError: int()参数必须是字符串或数字，而不是‘张量’。pool2是在代码的其他地方定义的。
# declare placeholder for variable batch size
images_ph = tf.placeholder(tf.float32, shape=[None, 64, 64, 1])
# code for 2 layers of convolution, normalization and max
浏览 2提问于2017-08-29得票数 1
回答已采纳
尝试使用tensorflow创建线性回归模型。现在，我正在创建权重和偏差的变量：
w = tf.get_variable('weights', shape = None, initializer = None)
b = tf.get_variable('bias', shape = None, initializer = None)
从斯坦福大学的课程CS20si中，我读到了“如果使用常量初始化，不需要指定形状”。但这部分代码引发了：
ValueError: Shape of a new variable (weights) must be fully defi
浏览 2提问于2018-05-03得票数 0
我有一个tflite模型，期望输入形状为(1,1000，12)。为了测试它，我打算加载一个CSV文件并对其运行推理。下面是我的代码和我在运行它时得到的错误消息的相关部分。 我假设我在正确加载或读取CSV文件时犯了一个错误。我是Android的新手，在这件事上如果有任何帮助，我将非常感谢！ val testModel = myModel.newInstance(context)
// Creates inputs for reference.
val inputFeature0 = TensorBuffer.createFixedSize(intArrayOf(1, 1000, 12), D
浏览 12提问于2021-03-19得票数 0
2回答
有人能告诉我，这段代码出了什么问题吗？显示索引错误的原因。编码器和解码器是分开定义的，当我通过最后一行组合这两个模型时，如图所示，它抛出了索引错误。
def Encoder():
x= Conv2D(128, (3, 3),padding='same',activation='relu')(input_img)
x= Conv2D(128, (3, 3), activation='relu', padding='same')(x)
x= MaxPooling2D(pool_size=(2, 2), str
浏览 0提问于2018-09-03得票数 1
下面的代码定义了嵌套的tf.variable_scope()。
def function(inputs)
with tf.variable_scope("1st") as scope:
#define some variables here using tf.get_variable()
with tf.variable_scope("2nd") as scope:
#define some variables here using tf.get_variable()
my_wanted_variable = tf.ge
浏览 5提问于2017-08-25得票数 1
回答已采纳
1回答
我将一组数组保存为.npy文件，在这里，我尝试将它们全部读取，并将它们添加到要连接的列表中。问题是，当我尝试在for循环中执行时，我会得到“无法将大小为0的数组整形为形状(585,1386)”，但是当我一个接一个地加载它们时，它们会很好地读取.怎么回事？
“”“
import numpy as np
import os
arr_list = []
for file in os.listdir('/Users/sjakober/Documents/ResearchSpring2020/geotiffs/'):
if file.endswith(".npy
浏览 2提问于2020-03-03得票数 1
回答已采纳
为什么我不能得到100的结果，但随机数？代码如下：
def func1():
with tf.variable_scope("var_scope"):
v1 = tf.get_variable('var1', shape=[])
v1 = tf.zeros([1])
v1 = v1 + 100
def func2():
with tf.variable_scope("var_scope", reuse=True):
v2 = tf.get_variable('
浏览 3提问于2017-12-12得票数 1
回答已采纳
我用下面的方式定义了一些变量：
with tf.variable_scope('myscope') as scope:
var = some_value
但当我试图检索它时：
var = tf.get_variable('myscope/var')
我得到了以下信息：
ValueError: Shape of a new variable (myscope/var) must be fully defined, but instead was <unknown>.
我认为我的张量可能有问题，因为当我打印输出形状时，我得到的是(?, 10)，而
浏览 0提问于2018-05-04得票数 0
试图理解keras优化器()中的优化代码。在get_updates模块中，我们有：
# momentum
shapes = [K.int_shape(p) for p in params]
moments = [K.zeros(shape) for shape in shapes]
self.weights = [self.iterations] + moments
for p, g, m in zip(params, grads, moments):
v = self.momentum * m - lr * g # velocity
self.updates.append(
浏览 0提问于2018-04-16得票数 3
回答已采纳
我想从一个具有相同形状的局部numpy数组初始化单词嵌入层，这是来自另一个模型的预训练嵌入。如果我没有添加分区程序参数，这是可以的。def嵌入(word_embedding，dtype=tf.float32，name='word_embedding')：
f = open('./cnn_embed_array', 'r')
embedding_array = pickle.load(f)
f.close()
print 'embedding_array loaded......'
with tf.device(
浏览 1提问于2018-01-04得票数 0
1回答
我需要将tensorflow 1.x中的自定义RNN实现中的以下部分迁移到tensorflow 2.x。
我被困在需要在tf.variable_scope中使用初始化器转换tf.get_variable的地方。
我已经参考了迁移指南，但我仍然不能理解tf.get_variable与xavier初始化的转换，而且我必须迁移一些没有预定义形状的占位符。
with tf.variable_scope(self._scope):
with tf.variable_scope("PresentState"):
se
浏览 1提问于2020-03-09得票数 0
我遇到了一个问题，可以总结如下： foo = tf.constant(3)
foo_variable = tf.get_variable("foo", shape=[foo], dtype=tf.int32) 变量的形状必须依赖于张量的值(这里的foo只是其他操作的计算结果的抽象) 这里的错误是The shape of a variable can not be a Tensor object 如何解决这个问题？
浏览 31提问于2019-06-22得票数 1
回答已采纳
我试图在google上将现有的TF1代码转换为TF2代码。在运行命令后，我得到14条警告消息：!tf_upgrade_v2 --infile medgan.py --outfile medgan_upgraded.py
警告: tf.get_variable需要手动检查。默认情况下，tf.get_variable在2.0中返回ResourceVariables，它具有定义良好的语义，并且对形状更加严格。您可以通过传递use_resource=False或调用tf.compat.v1.disable_resource_variables()来禁用此行为。
我对tensorflow并不熟悉，也不知
浏览 2提问于2020-07-07得票数 2
回答已采纳
1回答
在TensorFlow中，当使用tf.train.Saver存储和恢复变量时，当初始化器值被设置为张量时，我会得到随机值，为什么？
我有两种创建变量的方法，一种使用函数初始化，另一种使用张量初始化：
# Way 1, works when restoring
T = tf.get_variable('T', shape=[3], initializer = tf.zeros_initializer)
# Way 2-a, doesn't work when restoring
T = tf.get_variable('T', initializer =
浏览 20提问于2018-07-25得票数 1
我有一个简单的问题。我已经使用tf.get_variable创建了我自己的权重。出于调试目的，我需要检查权重更新了多少次，即优化器实际更新了权重多少次？
如何做到这一点？如果你需要我的代码，我可以提供它。
浏览 0提问于2018-08-17得票数 0
我什么都试过了，但我解决不了这个问题，如果你能帮我解决这个问题，我将不胜感激。而且，我在这方面是新的，并以不同的方法学习它。
我调整我的MNIST图像到22，22，然后重塑他们到1,484。最后，我想输入我的网络模型，但是我得到了一个错误: ValueError:不能为张量‘占位符_1:0’提供形状(50，)的值，它的形状'(?，10)‘
我的代码如下：
import tensorflow as tf
import numpy as np
from skimage import transform
tf.reset_default_graph()
from numpy import a
浏览 0提问于2018-03-02得票数 0
回答已采纳
我在的“答案”中读到，tf.clip_by_global_norm()仅仅通过忽略它们来处理任何值( danijar在@danijar对答案的注释中的注释)，但是当我尝试应用它时，我似乎做错了什么事情，因为它抛出了
ValueError:不支持任何值。
tf.reset_default_graph()
z = tf.get_variable(name = 'z', shape = [1])
b = tf.get_variable('b', [1])
c = b*b - 2*b + 1
optimizer = tf.train.AdamOptimizer(0.1)
浏览 1提问于2018-04-23得票数 0
回答已采纳
假设我有一个张量x，它的尺寸在图初始化时没有定义。
我可以使用以下命令获取它的形状：
x_shape = tf.shape(input=x)
现在，如果我想要基于x_shape中定义的值创建一个变量，请使用：
y = tf.get_variable(variable_name="y", shape=[x_shape[0], 10])
我得到一个错误，因为传递给参数形状的值必须是int而不是Tensor。如何在不使用占位符的情况下创建这样一个动态形成的变量？
浏览 0提问于2017-08-17得票数 6
1回答
我使用name_scope来管理变量的名称，因此它可以很好地通过张紧板显示。但是我发现一些奇怪的东西，name_scope没有在tf.get_variable创建的变量中添加前缀。因此，代码会引发一个错误：
with tf.name_scope(self.networkName + '/conv1'):
self.conv1_w = tf.get_variable(shape = [8, 8, 4, 16], name = 'w', initializer=tf.contrib.layers.xavier_initializer())
self.
浏览 1提问于2017-04-11得票数 0
回答已采纳
1回答
例如，下面是代码片段
kernel = tf.get_variable('conv1_1_Weights', dtype=tf.float32, shape=[3, 3, 3, 64], initializer=initer)
我不明白张量的形状是什么意思？我如何理解内核所具有的价值等等。
浏览 2提问于2017-02-18得票数 0
回答已采纳
我正在使用Emgu形状检测示例应用程序来检测给定图像上的矩形。调整大小的图像的尺寸似乎会影响检测到的形状的数量，即使纵横比保持不变。我的意思是：
为何会这样呢？如何确定最优值？
谢谢
浏览 0提问于2011-09-22得票数 1
回答已采纳
我的问题与这个有关
我可以说出行动的名字。但实际上他们的名字不同。例如：
In [11]: with tf.variable_scope('test_scope') as scope:
...: a = tf.get_variable('a',[1])
...: b = tf.maximum(1,2, name='b')
...: print a.name
...: print b.name
...:
...:
...:
test
浏览 2提问于2016-08-28得票数 2
回答已采纳
我正在尝试在Tensorflow的神经网络中实现batch_normalization。初始化是用variable_scope完成的。当我运行我的程序时，我会得到一个错误：
* ValueError:尝试共享变量范围1/beta，但指定的形状(100)和找到的形状(100，1)。
据我所知，我必须用正确的维度初始化beta (和其他存储的参数)。我相信我的维度应该是( 100 ,1)，因为在我的第一个隐藏层中有100个隐藏单位。我如何指定形状以满足我的batch_normalization的期望？
这是我的代码：
Layers = [203,100,100,100,2]
浏览 1提问于2019-12-10得票数 0
回答已采纳
我有以下问题，我有四个嵌入矩阵，我想得到关于这些矩阵的损失函数的梯度。
当我运行会话来返回梯度的值时，其中两个返回的对象是tensorflow.python.framework.ops.IndexedSlicesValue，类型的，另外两个是numpy数组。现在对于numpy数组，它们的形状对应于它们相应的嵌入矩阵的形状，但是我在IndexedSlicesValue对象上遇到了问题。
如果对其中一个对象调用.values，则得到一个形状与梯度不匹配的数组，嵌入矩阵的形状为22,30，但对IndexedSlicesValue对象调用.values，则得到一个具有形状的数组。IndexedSlic
浏览 9提问于2016-04-12得票数 6
最小代码示例：
with tf.variable_scope("initializer_test"):
s = tf.get_variable("scalar", initializer=tf.constant(2))
with tf.variable_scope("initializer_test", reuse=True):
s = tf.get_variable("scalar")
# ValueError: Trying to share variable initializer_test/scalar
浏览 0提问于2019-06-21得票数 0
1回答
我有一个定制的Todo propType：
export const TodoPropType = PropTypes.shape({
title: PropTypes.string.isRequired,
description: PropTypes.string
})
我有这样的托多收藏品
{
"Kfd455gdf4gdf" : { // key as uid
title: "blabla",
description: "blobloblo"
},
"Kf65sd465fsd
浏览 1提问于2017-02-24得票数 0
回答已采纳
1回答
我的重量被定义为
weights = {
'W_conv1': tf.get_variable('W_conv1', shape=[...], dtype=tf.float32, initializer=tf.truncated_normal_initializer(stddev=0.01)),
'W_conv2': tf.get_variable('W_conv2', shape=[...], dtype=tf.float32, initializer=tf.truncated_normal_in
浏览 0提问于2019-02-04得票数 0
回答已采纳
1回答
我正在与强化学习一起工作，并希望将我的示例存储在TF图中，以避免在python和TF之间移动数据。我想我可以使用一个TF.Variable()，因为它应该在整个会话中持续存在，并且在需要的时候简单地在最后添加一个示例。以下是其中一种方法的示例：
import tensorflow as tf
initx = [[1.0, 2.0, 3.0, 4.0],
[4.0, 5.0, 6.0, 7.0],
[7.0, 8.0, 9.0, 8.0]]
x = tf.get_variable("x",dtype=tf.float32,validate_
浏览 0提问于2016-06-23得票数 0
回答已采纳
我想在tensorflow中创建一个变量，然后在tf.scan中更新它。首先，我尝试了这样的方法：
import tensorflow as tf
with tf.variable_scope('foo'):
tf.get_variable('bar', initializer=tf.zeros([1.0]))
def repeat_me(last, current):
with tf.variable_scope('foo', reuse=True):
bar = tf.get_variable('b
浏览 1提问于2017-07-13得票数 1
回答已采纳
下午好。我继续研究tensorflow，现在遇到了重用变量"W“的问题。下面是代码片段：
我希望避免硬编码，并从恢复的模型中获取值(而不是10 - get_value()，等等)。我在这里读了几个帖子，但所有地方都只需要整个varible。但是，我不知道如何正确获取，例如，从这里获取编号784：
W = tf.Variable(tf.zeros([784, 10]), name = "W")
我试过这个：
idx = tf.constant([0])
temp_var = tf.get_variable("W")
size_1 = tf.gather(
浏览 0提问于2017-01-27得票数 0
with tf.name_scope('hidden4'):
weights = tf.Variable(tf.convert_to_tensor(weights4))
biases = tf.Variable(tf.convert_to_tensor(biases4))
hidden4 = tf.sigmoid(tf.matmul(hidden3, weights) + biases)
我希望使用tf.get_variable来将变量hidden4 4/权重定义为上面，但失败如下：
hidden4weights = tf.get_variable(&#
浏览 7提问于2016-06-07得票数 2
回答已采纳
我希望你做得很好。我有点困在宏脚本上，我想执行以下操作
一旦启动宏，；创建一个具有属性的表单矩形(参见下文)，如果在活动幻灯片中已经存在矩形，则删除它.
下面是为插入形状而编写的宏代码
Sub TBU()
Dim oSh As Shape
Set oSh = ActiveWindow.Selection.SlideRange.Shapes.AddShape(msoShapeRectangle, 902, 5, 47, 27)
With oSh
With .TextFrame.TextRange
.Text = "[TBU]"
With .Font
浏览 4提问于2019-10-10得票数 0
回答已采纳
我正在构建一个神经网络。我对训练部分使用tf.variable_scope()，对测试部分(reset=True)使用相同的作用域。我想知道，如果我使用tf.train.Saver()保存训练部件中的变量，并使用tf.train.restore()恢复测试部件的变量，我是否会得到不同的结果？基本上，我希望确保训练好的变量被复制到测试部分。
例如，在下面的示例中，变量v1和v_1具有相同的值，那么，在这种情况下，我需要使用tf.train.Saver()来获得正确的结果吗？将tensorflow导入为tf tf.reset_default_graph()
# Create some variab
浏览 0提问于2018-03-14得票数 2
嗨，我正在写一个“很多(输入)到很多(输出)”的rnn代码来处理字符预测。为此，我将隐藏层参数设置如下。三个隐藏层，每个层都有100,200和300个隐藏单位。
hidden layers= [100,200,300]
我的密码是这个。
# parameters.
hiddenLayers = [100,200,300]
timeStep = 20 # sequence length
inputDimension = 38 (# of English alphabet + symbols)
outputDimension = 38 (# of English alphabet + symbo
浏览 1提问于2017-04-29得票数 1
我正在修改的一个代码是对权重变量使用tf.get_variable，对偏差初始化使用tf.Variable。经过一些搜索，似乎get_variable应该总是因为它在共享方面的可移植性而受到青睐。所以我试着将偏置变量改为get_variable，但似乎无法使其起作用。
原创：tf.Variable(tf.zeros([128]), trainable=True, name="b1")
我的尝试：tf.get_variable(name="b1", shape=[128], initializer=tf.zeros_initializer(shape=[128])
浏览 4提问于2017-01-24得票数 7
回答已采纳
我有一个数组看起来像
array (size=7)
'car_make' => string 'BMW' (length=3)
'car_model' => string 'M3' (length=2)
'car_year' => string '2001' (length=4)
'car_price' => string '10000' (length=5)
'car_kilometers' => s
浏览 4提问于2013-05-09得票数 0
回答已采纳
使用正则表达式，我创建了一个函数，其中必须满足某些条件(ex/不允许使用空格)，并生成一个由特殊字符分隔的元组。 ex/输入一个字符串'hello!world!hola‘应该会产生一个元组('hello'，'world'，'hola')。 如果字符串不符合我的条件，我想引发一个ValueError。但是，如果字符串不满足我的条件，我的代码将改为调用AttributeError。为什么函数没有正确地调用异常？ 我试图调用ValueError，但该函数似乎没有捕捉到我的异常。 def produce_tupule (s):
re_
浏览 11提问于2019-09-13得票数 0
4回答
有人问我的问题是：
给定第一个参数中的数字N，则只选择列表中大于N的数字，因此
greater(2,[2,13,1,4,13]) = [13,4,13]
这是所提供的解决办法：
member(_,[]) -> false;
member(H,[H|_]) -> true;
member(N,[_,T]) -> member(N,T).
我不明白"_"是什么意思。我知道它与模式匹配有关，但我并不完全理解它。有人能给我解释一下吗
浏览 2提问于2019-03-08得票数 1
我正在读一本关于Tensorflow的书，下面是一个例子：
######################################################################
def inference (input_tensor,reuse=False):
with tf.variable_scope('layer1',reuse=reuse):
weights=tf.get_variable("weights",[input_node,output_node1],
initializer=tf
浏览 0提问于2018-02-15得票数 0
1回答
在tensorflow中，我通常以以下方式构造可学习的参数：
learnable_weights = {
'w1': tf.get_variable(...),
...
'wn': tf.get_variable(...),
}
learnable_biases = {
'bc1': tf.get_variable(...),
...
'bd3': tf.get_variable(...)
}
我最近遇到的问题是拥挤的张力板图，在辅助节点中有很多权重(这是一个大图的一部分，这些节点的数量要大得多)：
浏览 0提问于2018-10-06得票数 1
回答已采纳
我有两个文件，learn.py保存模型，learn_2.py恢复模型(这里是tf.variable a)并初始化新的tf.variable b，但是出了问题，这里是错误的：
tensorflow.python.framework.errors_impl.NotFoundError: Key scope/bb not found in checkpoint
learn.py
import tensorflow as tf
with tf.variable_scope("scope"):
a = tf.get_variable("aa", shape=[2
浏览 1提问于2017-05-16得票数 0
tf.train.init_from_checkpoint似乎将通过tf.get_variable创建的变量初始化，而不对通过tf.Variable创建的变量进行分类。
例如，让我们创建两个变量并保存它们：
import tensorflow as tf
tf.Variable(1.0, name='foo')
tf.get_variable('bar',initializer=1.0)
saver = tf.train.Saver()
with tf.Session() as sess:
tf.global_variables_initializer()
浏览 12提问于2019-02-27得票数 12
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
